如何在 scikit learn 中获得完美的回归线，答案

【问题标题】：How do I get a perfect Regression Line in scikit learn,如何在 scikit learn 中获得完美的回归线，
【发布时间】：2018-09-24 08:51:08
【问题描述】：

我试图将回归线可视化，但这就是我得到它的方式

【问题讨论】：

拟合模型有截距和系数，试着用它画一条线
如果你的意思是线性拟合，那么这里有 matplotlib 文档
如果没有示例输入数据，这将很难重现
尝试对您的输入进行排序。
感谢大家的宝贵回复。我修好了。

标签： python python-3.x matplotlib scikit-learn

【解决方案1】：

如果没有您提供所有代码，我们不禁猜测。您应该尝试重现下面的Scikit-Learn example。我做了一个小改动，让它在您尝试时绘制训练数据。一旦你得到了工作，用你自己的数据交换糖尿病数据。

# Code source: Jaques Grobler
# License: BSD 3 clause

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from sklearn.metrics import mean_squared_error, r2_score

# Load the diabetes dataset
diabetes = datasets.load_diabetes()

# Use only one feature
diabetes_X = diabetes.data[:, np.newaxis, 2]

# Split the data into training/testing sets
diabetes_X_train = diabetes_X[:-20]
diabetes_X_test = diabetes_X[-20:]

# Split the targets into training/testing sets
diabetes_y_train = diabetes.target[:-20]
diabetes_y_test = diabetes.target[-20:]

# Create linear regression object
regr = linear_model.LinearRegression()

# Train the model using the training sets
regr.fit(diabetes_X_train, diabetes_y_train)

# Make predictions using the testing set
diabetes_y_pred = regr.predict(diabetes_X_test)

# The coefficients
print('Coefficients: \n', regr.coef_)
# The mean squared error
print("Mean squared error: %.2f"
  % mean_squared_error(diabetes_y_test, diabetes_y_pred))
# Explained variance score: 1 is perfect prediction
print('Variance score: %.2f' % r2_score(diabetes_y_test, diabetes_y_pred))

# Plot outputs - test data
#plt.scatter(diabetes_X_test, diabetes_y_test,  color='black')
#plt.plot(diabetes_X_test, diabetes_y_pred, color='blue', linewidth=3)

# Plot outputs - training data
plt.scatter(diabetes_X_train, diabetes_y_train,  color='black')
plt.plot(diabetes_X_train, regr.predict(diabetes_X_train), color='blue', linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

【讨论】：

谢谢，布赖恩。你的帖子很有帮助。